计算机视觉目标检测算法总结5—

Faster RCNN介绍
1. Boss B.Girshick在2016年提出
2. 目标检测任务
  1. 给定图片中精确定位物体位置，预测物体类别
  2. 尺度变化、视角变化、姿态变化、场景不确定、多个类别
  3. RCNN->SPPNet->Fast-RCNN->Faster-RCNN升级
RCNN
1. 过程
  1. 训练分类网络（AlexNet）
  2. 模型做fine-tuning
    1. 类别1000改为20
    2. 去掉FC
  3. 特征提取-提取候选框（选择性搜索）
    1. 生成区域集R（见论文《Efficient Graph-Based Image Segmentation》）
    2. 计算区域集R里每个相邻区域的相似度S={s1,s2…}
    3. 找出相似度最高的两个区域，将其合并为新集，添加进R
    4. 从S中移除所有与3相关的子集
    5. 计算新集与所有子集的相似度
    6. 跳到3，直到S为空
  4. 训练SVM分类器：每一个类别对应一个SVM
  5. 回归器精修候选框位置:利用线性回归模型判定框的准确度
2. 缺点：候选框选择算法耗时严重，重叠区域特征重复计算，分步骤进行，过程繁琐
SPPNet（Spatial Pyramid Pooling）
1. 空间金字塔池化，CNN不同尺度输入，仅对原图提取一次卷积特征
Fast RCNN：
1. 结合SPPNet改进RCNN：ROI Pooling 单层SPPNet
2. 多任务网络同时解决分类和位置回归，共享卷积特征
3. ROI Poolinng：
  1. 为了将proposal抠出来的过程，然后resize到统一的大小
  2. 根据输入的image，将Roi映射到feature map对应的位置；将映射后的区域划分为相同大小的sections（sections数量和输出的维度相同）
  3. 对每个section进行max pooling操作
Faster RCNN
1. 主干网络：13conv+13relu+4pooling
2. RPN:3*3+背景前景区分+初步定位
3. ROIPooling
4. 分类+位置精确定位
5. RPN网络
  1. 前景背景分类+框位置的回归：粗定位，粗分类
Faster RCNN算法改进
1. 更好的网络特征
2. 更精准的RPN
3. 更完善的ROI分类
4. 样本后处理
5. 更大的mini-Batch
HyperNet（Faster RCNN变种）
1. 相对于Faster RCNN更擅长处理小物体，在高IOU时更有优势
3. 框架如图所示，图片经过卷积层得到activation maps。集中各层的feature maps压缩到一个统一的空间，Hyper Feature。然后用一个轻量RPN提取大约100个proposal。最后用检测模型对这些proposals分类。

计算机视觉目标检测算法总结5——RCNN系列算法相关推荐

后 R-CNN时代， Faster R-CNN、SSD、YOLO 各类变体统治下的目标检测综述：Faster R-CNN系列胜了吗？，（知乎ChenJoya大佬，讲的挺好的，记录一下）
我们检测到你可能使用了 AdBlock 或 Adblock Plus,它的部分策略可能会影响到正常功能的使用(如关注). 你可以设定特殊规则或将知乎加入白名单,以便我们更好地提供服务. (为什么?) ...
深度学习目标检测系列：RCNN系列算法图解
在生活中,经常会遇到这样的一种情况,上班要出门的时候,突然找不到一件东西了,比如钥匙.手机或者手表等.这个时候一般在房间翻一遍各个角落来寻找不见的物品,最后突然一拍大脑,想到在某一个地方,在整个过程中 ...
目标检测算法图解：一文看懂RCNN系列算法
在生活中,经常会遇到这样的一种情况,上班要出门的时候,突然找不到一件东西了,比如钥匙.手机或者手表等.这个时候一般在房间翻一遍各个角落来寻找不见的物品,最后突然一拍大脑,想到在某一个地方,在整个过程中 ...
同r做一个窗口_目标检测(Object Detection)：R-CNN/SPPnet/R-FCN/Yolo/SSD
这篇文章我是Survey目标检测(Object Detection)系列论文的一个总结. 包括R-CNN系列.SPP-net.R-FCN.YOLO系列.SSD.DenseBox等. 基本概念目标识别 ...
R-CNN系列算法的发展历程
目录上一次分析了YOLO系列的算法: R-CNN 论文链接概述 R-CNN流程谈一下R-CNN的pre-training 谈一下R-CNN不同阶段正负样本的IOU阈值谈一下R-CNN的fine ...
计算机视觉目标检测的框架与过程
计算机视觉目标检测的框架与过程 FROM:http://blog.csdn.net/zouxy09/article/details/7928771 个人接触机器视觉的时间不长,对于机器学习在目标检测的 ...
【百度飞浆】RCNN系列算法优化策略与案例
RCNN系列算法优化策略与案例目录 1 两阶段检测进阶模型介绍 2 两阶段检测进阶模型优化策略 3 工业应用:铝压铸件质检目录 1 两阶段检测进阶模型介绍 2 两阶段检测进阶模型优化策略 3 工业 ...
目标检测如何计算召回率_计算机视觉目标检测的框架与过程
计算机视觉个人接触机器视觉的时间不长,对于机器学习在目标检测的大体的框架和过程有了一个初步的了解,不知道对不对,如有错误,请各位大牛不吝指点. 目标的检测大体框架: 计算机视觉目标检测分为以下几个 ...
目标检测从古典走进R-CNN
目标检测从古典走进R-CNN–潘登同学的深度学习笔记文章目录目标检测从古典走进R-CNN--潘登同学的深度学习笔记古典目标检测目标检测是回归还是分类? 回归任务分类任务 Region P ...

计算机视觉目标检测算法总结5——RCNN系列算法

计算机视觉目标检测算法总结5——RCNN系列算法相关推荐

最新文章

热门文章